lyqlola的博客

转自Understanding the backward pass through Batch Normalization Layer另外backward pass公式推导的两种方式参见What does the gradient flowing through batch normalization looks like ?

I. Motivation  FastR-CNN中的Selective Search方法速度很慢，制约了模型的效率，Selective Search的缺点有：(1) 基于engineered low-level features，不能利用检测网络低层提取的特征；(2) 在CPU上运行，而CNN是在GPU上运行；  Faster R-CNN的创新点就在于让region proposal和dete...

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional NetworksI. Motivation:1.人脸检测时会遇到的问题：人脸的不同角度、光照、遮挡等2.之前的人脸检测和对齐方法的缺点：(1) 忽视了人脸检测和人脸对齐这两个任务之间的关联。(做人脸检测没有结合facial landmark)...

Fast R-CNN    先对输入图片用conv layer和max pooling layer来输出一个卷积特征图(conv feature map)，然后对每个目标候选框，用RoI layer从特征图中提取出一个定长的特征向量，这些定长的特征向量被输入连续的几个FC layers，最终输入两个输出分支：一个用softmax来给出proposal的类别概率，一个就每个类别给出proposal...

You Only Look Once: Unified, Real-Time Object DetectionI. Motivation:   之前的目标检测如R-CNN系列模型一般分为3个步骤：   (1) 通过region proposal methods产生bbox；   (2) 通过分类器对这些bbox进行分类；   (3) post-processing：refine bbox, ...